【标准正态分布表达式】标准正态分布是统计学中最重要的概率分布之一，广泛应用于数据分析、假设检验和参数估计等领域。它是一个均值为0、标准差为1的正态分布，具有对称性、单峰性和集中趋势等特征。
一、标准正态分布的基本概念
标准正态分布（Standard Normal Distribution）是一种特殊的正态分布，记作 $ N(0, 1) $。其概率密度函数（PDF）如下：
$$
f(x) = \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}
$$
其中：
- $ x $ 是随机变量；
- $ \pi \approx 3.1416 $；
- $ e \approx 2.7183 $。
该分布的期望值为0，方差为1，且图像关于 y 轴对称。
二、标准正态分布的性质
| 特性 | 描述 |
| 均值（μ） | 0 |
| 方差（σ²） | 1 |
| 标准差（σ） | 1 |
| 对称性 | 关于 y 轴对称 |
| 概率密度函数 | $ f(x) = \frac{1}{\sqrt{2\pi}} e^{-x^2/2} $ |
| 累积分布函数（CDF） | $ \Phi(x) = \int_{-\infty}^{x} \frac{1}{\sqrt{2\pi}} e^{-t^2/2} dt $ |
三、标准正态分布的应用
1. 标准化数据：将任意正态分布的数据转换为标准正态分布，便于比较和分析。
2. 假设检验：在进行 t 检验、Z 检验等时，常使用标准正态分布作为参考。
3. 置信区间计算：利用标准正态分布的分位数来构造置信区间。
4. 概率计算：通过查表或软件计算特定区间的概率值。
四、标准正态分布的分位点表（部分）
| 分位点（α） | 对应的 Z 值（Φ(z) = α） |
| 0.05 | -1.645 |
| 0.10 | -1.28 |
| 0.50 | 0 |
| 0.90 | 1.28 |
| 0.95 | 1.645 |
| 0.975 | 1.96 |
| 0.99 | 2.33 |
五、总结
标准正态分布是统计学中的基础工具，其表达式简洁而精确，具有良好的数学性质和广泛的实际应用价值。掌握其基本公式和特性，有助于更好地理解和运用统计方法，提升数据分析能力。
如需进一步了解标准正态分布与实际数据的结合应用，可参考相关统计教材或使用统计软件（如 R、Python、SPSS 等）进行实践操作。